Код
#истории

«Мне 47, а я всё думаю, какой бы ещё IT-курс пройти»: путь топ-менеджера в data science

Сергей ещё в детстве увлёкся компьютерами, но жизнь связал с энергетикой. После 40 он вернулся к любимому делу и погрузился в data science.

Фото: личный архив Сергея Аргентова

Сергей Аргентов

Россия, Липецк



Достижения

Реализовал детскую мечту — работать с компьютерами. Прошёл обучение на пяти IT-курсах и теперь успешно применяет новые знания в некоммерческих проектах.


ссылки


Сергей рассказал:

  • зачем управляющему крупной энергетической компании знания в области IT;
  • можно ли обучиться data science без опыта в программировании;
  • как применяет новые знания на практике;
  • как и почему тратит мало времени на тайм-менеджмент и, несмотря на это, всё успевает.

«Уже в детстве я понял — за компьютерами будущее»: как не упустить и развить детскую мечту

Интерес к программированию у меня возник ещё в детстве — где-то в третьем-четвёртом классе. Тогда в российских игровых клубах как раз появились первые компьютеры Atari. Все дети выпрашивали у родителей деньги, чтобы приходить и играть на них в иностранные игры. Тогда-то я и понял: раз столько людей выстраиваются в очереди, значит, за компьютерами будущее.

Заметив мой интерес, папа подарил мне на день рождения российский аналог того самого Atari. По сути, это была просто большая клавиатура с проводом для подключения к телевизору, но именно с неё и начался мой путь в программировании.

Занимаясь на том компьютере, я выучил язык BASIC, а затем разобрался с ассемблером. Все знания брал из толстенной книжки-инструкции к устройству — зачитывал её до дыр, пока ездил в электричках.

Помню, первые месяцы я ничего не понимал во всех этих знаках, символах, сокращениях, а потом потихоньку всё же начал программировать элементарные штуки. Это дало мне колоссальное позитивное подкрепление: «У меня получается! Нужно пробовать дальше».

Правда, поступать на программиста я не стал. Во-первых, редкие вузы тогда учили писать код, а во-вторых, для успешного зачисления нужно было хорошо разбираться в математике и куче других абстрактных академических предметов. А мне, как и всем молодым людям, хотелось ходить на дискотеки и тратить минимум времени на учёбу. Поэтому выбрал техническую специальность — автоматизацию электроприводов.

Там, кстати, мои прежние знания по программированию и пригодились: мы проходили системы управления, ассемблер… Я мог не посещать лекции и всё равно получать пятёрки, ведь чувствовал себя уверенно в рамках предмета и разговаривал с преподавателем на одном языке. Безусловно, успехи в учёбе тогда ещё сильнее подстегнули мой интерес к компьютерам.

И всё же впервые реальный, а не учебный опыт в программировании я получил лишь на первой работе — металлургическом комбинате. И хоть зачислили меня туда электромонтёром, со временем стали привлекать и к задачкам, связанным с кодом на Pascal. Этот высокоуровневый язык в то время как раз набирал свою популярность. Конечно, из-за отсутствия профильного образования, полноценную должность программиста мне никто не предлагал, но я сильно и не расстраивался.

Фото: личный архив Сергея Аргентова

В итоге жизнь сложилась так, что в своём карьерном развитии я дорос до позиции управляющего крупной энергетической компании, а к программированию возвращался только эпизодически. И лишь недавно у меня освободилось время на любимое дело. Как раз тогда мне и попалась реклама онлайн-платформы Skillbox, где я и начал учиться.

«Сперва взял курс по SQL, а дальше понеслось»: как полюбить учиться во взрослом возрасте

Долгое время я не любил учиться от слова «совсем». Мне просто не нравились стандартные вузовские методы, где нас, студентов, заставляли учить не то, что интересно, а только то, чего требует утверждённая программа.

Онлайн-обучение в этом плане стало для меня глотком свежего воздуха. Свой темп, никаких дедлайнов, полезный и грамотно структурированный материал без «воды» — прежде с таким крутым подходом к обучению я сталкивался разве что на экономическом факультете Курского регионального института, куда поступил по долгу службы: как управленец в электроэнергетической компании, я остро нуждался в знаниях по экономике.

На онлайн-платформе я сперва взял курс по SQL, а дальше понеслось… Python, data science, основы кибербезопасности, машинное обучение.

Мотивировала и двигала вперёд меня не только детская мечта, но и карьера. Сейчас я работаю в крупной компании, услугами которой пользуются больше 600 тысяч клиентов. Чтобы делать выводы из огромного количества транзакций, нужно уметь работать с большими данными. Не просто обрабатывать их, но и проводить статистические тесты, строить прогностические модели.

Я понял, что должен разобраться, как и где хранятся данные, по какой логике их обрабатывать и как визуализировать результат. Курс по SQL помог мне обучиться грамотному хранению данных, а курс по data science — наладить системную работу с их большим массивом в компании. Кстати, я совсем не пожалел, что начал с SQL, а потом взял ещё и Python — без этих знаний мне было бы гораздо сложнее разобраться в тонкостях data science.

При этом я считаю, что преуспеть в data science можно и без бэкграунда в программировании. Главное — иметь сильную мотивацию и быть готовым выделять большое количество внутренних ресурсов на обучение.

Ведь если задуматься: почему люди без технического опыта нередко терпят поражение в освоении data science? Вовсе не потому, что не могут разобраться со сложными вопросами, а потому, что испытывают перегруз. Всё-таки помимо непростых технологий data science: CRISP-DM, машинного обучения, статистических тестов и прочего — придётся детально разбираться и с кодом.

Если вы тратите 90% времени на то, чтобы понять, как работает функция replace, у вас попросту будет меньше сил на то, чтобы усваивать более тонкие вещи.

Даже я со своим техническим прошлым иногда спотыкался на курсе. Долго пытался понять, как правильно использовать лямбда-функцию в Pandas, но в итоге разобрался и даже начал помогать с этим другим студентам в телеграм-чате. Выручило упорство, которое я приобрёл ещё в детстве, когда два месяца настойчиво читал книжку по ассемблеру в электричке, хотя ничего не понимал.

Важно не сдаваться, перечитывать информацию снова и снова. И тогда со временем мозг найдёт правильный ответ на любой вопрос.

«Думаем, как применить машинное обучение для анализа финансовых рынков»: как теория превращается в практику

Знания, полученные на курсе, я активно использую на практике. Правда, преимущественно не на основной работе, а на сайд-проектах. Сейчас, например, помогаю друзьям, которые занимаются финансовыми рынками, решать разные технические проблемы. Недавно написал им простого бота на Python: он помогает моментально получать сигналы с рынка благодаря синхронизации c Tinkoff API.

А ещё сейчас мы думаем над тем, как применить технологии машинного обучения для анализа и прогнозирования поведенческих паттернов на финансовых рынках. Уже набросали план работы и теперь знакомимся с инструментарием. И хоть друзья работают на интерфейсе TradingView, где есть свои инструменты для программирования, писать на Python и пользоваться его библиотеками для анализа данных и машинного обучения всё равно придётся. Так что знания с курса точно пригодятся!

Ещё один приятный бонус — после обучения я смог визуализировать свои достижения и оформил сайт-визитку. Довольно простенький, на uKit, но руку всё равно набил. Более того, после этого коллеги даже попросили меня поучаствовать в разработке сайта для рекламы консультационных услуг их компании. Благодаря релевантному опыту с задачей справился на ура: легко проконтролировал процесс от старта до финиша — выбрал исполнителя, сформулировал чёткое ТЗ и принял результат.

«Сложно сохранять мотивацию, если учишься только для карьеры»: как всё успевать и не выгорать

Сложно ли успевать всё и сразу: руководить компанией, учиться и параллельно вести некоммерческие проекты? Совсем нет, если иметь понятную мотивацию. Мне с ней с раннего детства помогает окружение — примеры знакомых мне людей подкрепляют мою уверенность в том, что добиться можно любой цели, если понимать, что ты делаешь и зачем. Нужно быть последовательным.

При этом, организуя себя, важно не ударяться в «сектантство» и не чертить графики на каждый свой шаг. В таком случае тайм-менеджмент начнёт отнимать больше времени, чем сама работа.

Я, например, делаю так: выписываю пять приоритетных направлений на год и дальше по утрам планирую, что сделаю по каждому из них. Конечно, не всегда получается работать над всеми пятью, чаще всего выходит лишь над тремя. И, признаюсь, иногда меня это нервирует, думаю: «И почему я не обработал все пять?» Но потом, анализируя достигнутые результаты, я понимаю, что даже так двигаюсь к своим целям довольно быстро.

Кстати, плюсом ко всему человека сильно дисциплинирует и мотивирует спорт. Честно: я бы уже рассыпался, если бы в 47 лет только и делал, что сидел в кресле перед компьютером, не вставая. Поэтому уже десять лет занимаюсь реабилитационной физкультурой и любительским хоккеем, даже награды есть.

Фото: личный архив Сергея Аргентова

На своём опыте я понял важную вещь. Самое главное — заниматься в жизни тем, что любишь. Иначе, если учиться и постоянно бежать вперёд только ради достижения карьерных целей или решения материальных проблем, можно по дороге растерять всю мотивацию. И более того — приобрести отвращение к своему делу.

Я уверен: учиться через силу нельзя. Это как с шоколадом: ты можешь обожать его вкус, но, если один раз переешь, ещё долго не захочешь вновь.

Мне безумно нравится моё дело, которое выросло из большой детской мечты, и я уже не представляю свою жизнь без постоянного обучения. Мне 47 лет, а я всё продолжаю думать, какой бы ещё курс купить и где поучиться!

Больше интересного про код — в нашем телеграм-канале. Подписывайтесь!

Научитесь: Профессия Data Scientist Узнать больше
Понравилась статья?
Да

Пользуясь нашим сайтом, вы соглашаетесь с тем, что мы используем cookies 🍪

Ссылка скопирована